Resumen Técnico: Codificación y Decodificación de Señales Temporales con Wavelets Pasabanda de Espigas

Enunciado del Problema

La conversión analógico-digital (ADC) en el procesamiento de señales digitales suele basarse en el muestreo uniforme de Nyquist-Shannon, que muestrea las señales indiscriminadamente independientemente de su nivel de actividad, lo que conduce a una ineficiencia. En contraste, los sistemas sensoriales biológicos utilizan representaciones de espigas escasas y basadas en eventos que se emiten solo cuando ocurren cambios en la entrada. Aunque el hardware neuromórfico busca aprovechar esta eficiencia energética, actualmente falta un marco de procesamiento de señales principista para la codificación basada en espigas. Los enfoques existentes, como los modelos probabilísticos impulsados por la neurociencia o los moduladores sigma-delta de un solo canal, a menudo carecen de garantías formales de procesamiento de señales, capacidades multiescala o límites de reconstrucción estables. Existe una necesidad específica de un marco de wavelets donde los coeficientes se emitan como eventos de espiga en lugar de amplitudes continuas, preservando la covarianza de escala y las propiedades de multiresolución de la teoría clásica de wavelets, mientras se producen salidas escasas y basadas en eventos.

Metodología

Los autores proponen reformular los codificadores de espigas como marcos de wavelets causales en el tiempo con anchos de banda cuantitativos y límites de error de reconstrucción. La metodología involucra dos componentes principales:

1. Familias de Wavelets Causales en el Tiempo: El artículo introduce dos familias de wavelets de espiga basadas en la diferencia de representaciones del espacio de escala:

   • Diferencia de Exponenciales Recortadas (DoE): Construidas a partir de un único integrador con fuga por escala.
   • Diferencia de Núcleos Límite Causales en el Tiempo (DoT): Construidas encadenando integradores con fuga para recuperar la covarianza de escala y las propiedades de suavizado en cascada del Gaussiano, manteniendo al mismo tiempo la causalidad.
   • Ambas familias se derivan tomando diferencias adyacentes de las representaciones del espacio de escala ($L(t; \sigma_k) - L(t; \sigma_{k-1})$), asegurando que los núcleos pasabanda resultantes tengan media cero y satisfagan los criterios de admisibilidad de wavelets.

2. Codificación y Decodificación de Espigas:

   • Codificación: Las respuestas continuas de las wavelets pasabanda se cuantizan en trenes de espigas con signo utilizando un modelo de neurona de Integración con Fuga y Disparo (LIF). Para capturar la polaridad, la integración se divide en partes positivas y negativas, generando espigas cuando el potencial de membrana cruza un umbral $\theta_{thr}$.
   • Decodificación: La reconstrucción se logra pasando los trenes de espigas escasos a través de núcleos de reconstrucción (integradores con fuga) y sumando las salidas de los canales. Dado que el operador de marco dual no tiene solución de forma cerrada para implementaciones de espigas, los autores emplean un enfoque de mínimos cuadrados para aprender pesos óptimos para cada canal, ajustando la reconstrucción a la salida original del análisis de canal.

Contribuciones Clave

El artículo realiza tres contribuciones principales:

1. Dos Familias de Wavelets de Espiga: La definición de las wavelets DoE y DoT como codificadores causales en el tiempo y covariantes en escala. El artículo proporciona un análisis teórico de las representaciones subyacentes no de espiga, demostrando que forman marcos sobredeterminados y no ajustados.
2. Límites Formales: La derivación de los límites del marco ($A$ y $B$) para ambas variantes analógicas y de espiga. Crucialmente, los autores derivan un límite de error de reconstrucción de forma cerrada (Ecuación 32) para el caso de espiga, demostrando que el error es lineal en el umbral de espiga $\theta_{thr}$ y converge geométricamente con el número de canales.
3. Validación Experimental: Experimentos de reconstrucción en conjuntos de datos de ECG (MIT-BIH) y audio (LibriSpeech). Los resultados muestran que las wavelets de espiga logran un Error Cuadrático Medio Normalizado (nRMSE) comparable a las transformadas de wavelet continuas (como Morlet) y a las transformadas de wavelet discretas, a pesar del error de cuantificación adicional inherente a las espigas.

Resultados

• Precisión de Reconstrucción: En el conjunto de datos de ECG MIT-BIH, la wavelet DoT de espiga logró un nRMSE de 0.058, superando la línea base no causal de Morlet (0.060). En el conjunto de datos de audio LibriSpeech, la DoT de espiga logró 0.064, igualando la línea base de Morlet.
• Características del Error: Se observó que el error de reconstrucción dependía linealmente del umbral de disparo $\theta_{thr}$, confirmando los límites teóricos de error.
• Causalidad vs. Rendimiento: Las wavelets de espiga causales (DoE y DoT) rindieron de manera competitiva frente a las wavelets continuas no causales (Morlet) y significativamente mejor que la wavelet causal Szu, la cual sufrió una penalización de rendimiento de 3–6 veces debido a las restricciones de causalidad en los marcos tradicionales.
• Superposición de Canales: El estudio notó que aumentar el número de canales ($K$) redujo el error para DoG no causal, pero aumentó el error para DoE/DoT causal debido a la alta coherencia de canal y al mal acondicionamiento del sistema lineal, destacando una compensación entre la densidad de escala y la estabilidad de la reconstrucción.

Significado y Afirmaciones

El artículo afirma establecer un marco de procesamiento de señales principista para la ADC basada en espigas que cierra la brecha entre la eficiencia biológica y el rigor matemático. Su significado radica en:

• Mapeo Neuromórfico Directo: Las operaciones (integradores con fuga y umbralización) se mapean directamente a primitivas encontradas en hardware neuromórfico, posicionando a las wavelets de espiga como un bloque fundamental para la conversión analógico-digital basada en eventos.
• Garantías Teóricas: A diferencia de los modelos probabilísticos o de teoría de la información de espigas anteriores, este trabajo proporciona límites de marco formales y garantías de error de reconstrucción que se mantienen para cualquier entrada de energía finita sin suposiciones sobre las estadísticas de la señal o la escasez.
• Multiresolución Causal: Extiende con éxito las máquinas de codificación temporal a marcos sobredeterminados y multiescala mientras mantiene la causalidad temporal, una propiedad a menudo perdida en los enfoques clásicos de wavelets o difícil de lograr en el procesamiento de señales causal.

Los autores concluyen que estas wavelets DoE y DoT de espiga ofrecen un método de codificación en tiempo continuo y escaso con garantías de reconstrucción demostrables, adecuado para el procesamiento de señales de baja energía y baja latencia en plataformas neuromórficas.